ChatGPT الذكرى السنوية بعد الحديث عن الذكرى السنوية: عنق الزجاجة من الذكاء الاصطناعي التوليدية وفرصة Web3

المؤلفون: @chenyangjamie ، @GryphsisAcademy

TL; د:

1. اجتاحت التطبيقات التجارية الذكاء الاصطناعي التوليدية العالم في عام 2022 ، ولكن مع تلاشي الجدة ، أصبحت بعض المشكلات الحالية المتعلقة الذكاء الاصطناعي التوليدية واضحة. يوفر مجال Web3 الناضج ، مع الطبيعة الشفافة تماما والقابلة للتحقق واللامركزية ل blockchain ، أفكارا جديدة لحل مشاكل الذكاء الاصطناعي التوليدية.
2. الذكاء الاصطناعي التوليدية هي تقنية ناشئة في السنوات الأخيرة ، والتي تعتمد على إطار الشبكة العصبية للتعلم العميق ، وقد أظهر نموذج الانتشار لتوليد الصور ونموذج اللغة الكبيرة ل ChatGPT إمكانات كبيرة للتسويق.
3. تتضمن بنية تنفيذ الذكاء الاصطناعي التوليدية في Web3 البنية التحتية والنماذج والتطبيقات والبيانات ، ومن بينها جزء البيانات مهم بشكل خاص عند دمجه مع Web3 ، ولديه مجال كبير للتطوير ، وخاصة نموذج البيانات على السلسلة ، ومشاريع وكيل الذكاء الاصطناعي ، والتطبيقات الرأسية ، والتي لديها القدرة على أن تصبح اتجاهات تطوير رئيسية في المستقبل.
4. في الوقت الحاضر ، أظهرت المشاريع الشائعة في المسار الذكاء الاصطناعي في Web3 في السوق خصائص الأساسيات غير الكافية والقدرة الضعيفة على التقاط قيمة الرمز المميز ، وهم يتطلعون بشكل أساسي إلى حرارة جديدة أو تحديثات لاقتصاد الرمز المميز في المستقبل.
5. تتمتع الذكاء الاصطناعي التوليدية بإمكانات كبيرة في مساحة Web3 ، وهناك العديد من الروايات الجديدة التي نتطلع إليها في المستقبل.

1. لماذا يحتاج الذكاء الاصطناعي التوليدي و Web3 إلى بعضهما البعض؟

يمكن تسمية عام 2022 بالعام الذي اجتاحت فيه الذكاء الاصطناعي التوليدية (الذكاء الاصطناعي) العالم ، وقبل ذلك اقتصرت الذكاء الاصطناعي التوليدية فقط على الأدوات المساعدة للعمال المحترفين ، وبعد الظهور المتتالي ل Dalle-2 ، والانتشار المستقر ، والصورة ، ومنتصف الرحلة ، ** الذكاء الاصطناعي المحتوى الذي تم إنشاؤه ** (اختصار). كأحدث تطبيق تقني ، ولدت AIGC موجة كبيرة من المحتوى العصري على وسائل التواصل الاجتماعي. وكان ChatGPT ، الذي تم إصداره بعد فترة وجيزة ، قنبلة ، مما دفع هذا الاتجاه إلى ذروته. كأول أداة الذكاء الاصطناعي يمكنها الإجابة على أي سؤال تقريبا بإدخال أمر نصي بسيط (على سبيل المثال ، ) ، أصبح ChatGPT منذ فترة طويلة مساعد عمل يومي للعديد من الأشخاص. لأول مرة ، يمكن للناس أن يشعروا ب “ذكاء” الذكاء الاصطناعي ، حيث يمكنه التعامل مع مجموعة متنوعة من المهام اليومية مثل كتابة المستندات ، والمساعدة في الواجبات المنزلية ، ومساعد البريد الإلكتروني ، ومراجعة المقالات ، وحتى الدروس الخصوصية العاطفية ، ويبحث الإنترنت بحماس عن العديد من الألغاز المستخدمة لتحسين النتائج الناتجة عن ChatGPT. وفقا لتقرير صادر عن فريق الاقتصاد الكلي في جولدمان ساكس، يمكن أن يكون الذكاء الاصطناعي التوليدي معززا لنمو إنتاجية العمل في الولايات المتحدة، مما يؤدي إلى نمو الناتج المحلي الإجمالي العالمي بنسبة 7٪ (أو ما يقرب من 7 تريليونات دولار) وزيادة نمو الإنتاجية بنسبة 1.5 نقطة مئوية في غضون 10 سنوات من التنمية الذكاء الاصطناعي التوليدية.

** **

شعر مجال Web3 أيضا بنسيم الربيع ل AIGC ، وارتفع قطاع الذكاء الاصطناعي في جميع المجالات في يناير 2023

مصدر:

ومع ذلك ، بعد أن تلاشت الجدة الأولية ، انخفضت حركة المرور العالمية ل ChatGPT لأول مرة منذ إصدارها في يونيو 2023 (المصدر: SimilarWeb) ، وحان الوقت لإعادة التفكير في معنى الذكاء الاصطناعي التوليدية وما هي قيودها. من الوضع الحالي ، تشمل المعضلات التي تواجهها الذكاء الاصطناعي التوليدية (على سبيل المثال لا الحصر): أولا ، وسائل التواصل الاجتماعي مليئة بمحتوى AIGC غير المرخص ولا يمكن تعقبه ، وثانيا ، أجبرت تكلفة الصيانة العالية ل ChatGPT OpenAI على اختيار تقليل جودة التوليد لتقليل التكاليف وزيادة الكفاءة ، وأخيرا ، حتى أكبر النماذج في العالم لا تزال متحيزة في بعض جوانب النتائج المتولدة.

** **

ChatGPT حركة مرور سطح المكتب والجوال العالمية

المصدر: شبكة مشابهة

في الوقت نفسه ، يوفر Web3 ، الذي ينضج تدريجيا ، بخصائصه اللامركزية والشفافة تماما والقابلة للتحقق ، حلا جديدا للمعضلة الحالية المتمثلة في الذكاء الاصطناعي التوليدي:

1. يمكن لشفافية Web3 الكاملة وإمكانية التتبع أن تحل تحديات حقوق النشر والخصوصية للبيانات الناتجة عن الذكاء الاصطناعي التوليدية. تسمح هاتان الميزتان في Web3 بالتحقق من مصدر المحتوى وأصالته بشكل فعال ، مما يزيد بشكل كبير من تكلفة المحتوى المزيف أو المخالف الذي يتم إنشاؤه الذكاء الاصطناعي ، مثل ريمكسات قصيرة تخلط بين حقوق الطبع والنشر أو مقاطع فيديو DeepFake التي تنتهك خصوصية الآخرين. بالإضافة إلى ذلك ، من المتوقع أن يؤدي تطبيق العقود الذكية في إدارة المحتوى إلى حل مشكلات حقوق النشر وضمان حصول منشئي المحتوى على تعويض أكثر عدلا عن المحتوى الذي يقومون بإنشائه.

** **

فيديو التزييف العميق: هذا ليس مورغان فريمان

المصدر: يوتيوب

2. يمكن أن تقلل لامركزية Web3 من مخاطر مركزية قوة الحوسبة الذكاء الاصطناعي. ** يتطلب الذكاء الاصطناعي التوليدي موارد حوسبة هائلة ، حيث تكلف التقديرات ما لا يقل عن 2 مليون دولار لتدريب ChatGPT القائم على GPT-3 وحوالي 47000 دولار يوميا للكهرباء ، وهو رقم يرتفع بشكل كبير مع تطور التكنولوجيا والحجم. لا تزال موارد الحوسبة تتركز بشكل كبير في أيدي الشركات الكبيرة ، مما يؤدي إلى تكاليف كبيرة للبحث والتطوير والصيانة والتشغيل ، فضلا عن خطر المركزية ، مما يجعل من الصعب على الشركات الصغيرة المنافسة. في حين أن تدريب النماذج الكبيرة قد لا يزال بحاجة إلى أن يتم في بيئة مركزية على المدى القصير ، حيث يتطلب تدريب النماذج الكبيرة الكثير من موارد الحوسبة ، في Web3 ، تجعل تقنية blockchain الاستدلال على النموذج الموزع ، وإدارة التصويت المجتمعي ، وترميز النماذج ممكنا ، من بين أمور أخرى. باستخدام التبادل اللامركزي الحالي كحالة ناضجة ، يمكننا تصميم نظام استدلال لامركزي الذكاء الاصطناعي كبير يحركه المجتمع ، حيث تنتمي ملكية النموذج الكبير إلى المجتمع ويحكمها المجتمع.

حتى مع أحدث H100 لتدريب GPT-3 ، لا تزال التكلفة لكل FLOPs مرتفعة

المصدر: substake.com

3. استفد من ميزات Web3 لتحسين تنوع مجموعات البيانات الذكاء الاصطناعي وإمكانية تفسير نماذج الذكاء الاصطناعي. ** تعتمد الطرق التقليدية لجمع البيانات بشكل أساسي على مجموعات البيانات العامة أو صانعي النماذج أنفسهم ، وغالبا ما تكون البيانات التي تم جمعها محدودة بالجغرافيا والثقافة. يمكن أن يؤدي ذلك إلى المحتوى الذي تم إنشاؤه بواسطة برنامج AIGC والإجابات التي تم إنشاؤها بواسطة ChatGPT مع التحيز الشخصي لمجموعات عرقية معينة ، مثل تغيير لون بشرة المهمة المستهدفة. وباستخدام نموذج الحوافز الرمزية ل Web3 ، يمكننا تحسين الطريقة التي نجمع بها البيانات وجمع البيانات وترجيحها من جميع أنحاء العالم. في الوقت نفسه ، يمكن أن تؤدي الشفافية الكاملة وإمكانية التتبع ل Web3 إلى زيادة قابلية تفسير النموذج وتشجيع مخرجات الخلفيات المتنوعة لإثراء النموذج.

الذكاء الاصطناعي يهدف إلى زيادة الدقة سيحول أوباما إلى رجل أبيض

المصدر: تويتر

4. ** يمكنك استخدام بيانات Web3 الضخمة على السلسلة لتدريب نماذج الذكاء الاصطناعي الفريدة. ** غالبا ما يعتمد تصميم نموذج الذكاء الاصطناعي الحالي وأساليب التدريب على بناء بنية البيانات المستهدفة (نص أو كلام أو صورة أو فيديو). يتمثل اتجاه التطوير المستقبلي الفريد للجمع بين Web3 و الذكاء الاصطناعي في الإشارة إلى طرق البناء والتدريب لنماذج اللغة الطبيعية الكبيرة ، واستخدام بنية البيانات الفريدة لبيانات Web3 على السلسلة لإنشاء ** نماذج كبيرة للبيانات على السلسلة **. يوفر هذا للمستخدمين منظورا فريدا لا يمكن لتحليلات البيانات الأخرى الوصول إليه (تتبع الأموال الذكية ، واتجاهات تمويل المشاريع ، وما إلى ذلك) ، ويتمتع الذكاء الاصطناعي بميزة القدرة على معالجة كميات هائلة من البيانات بشكل متزامن مقارنة بالتحليل اليدوي على السلسلة.

التحليل الآلي على السلسلة ، يمكن لمراقبة المعلومات على السلسلة الحصول على معلومات مباشرة

المصدر: nansen.ai

5. الذكاء الاصطناعي التوليدية لديها القدرة على أن تكون قوة قوية في خفض حاجز دخول الأشخاص للمشاركة في عالم Web3. ** يتطلب نموذج المشاركة السائد الحالي لمشاريع Web3 أن يكون لدى المشاركين فهم كبير لمختلف المفاهيم المعقدة على السلسلة ومنطق تشغيل المحفظة ، مما يزيد بشكل كبير من تكلفة التعلم ومخاطر سوء التشغيل للمستخدمين ، في حين أن التطبيقات المماثلة في Web2 قد نفذت مبدأ “مبدأ الرجل الكسول” لتصميم المنتج لسنوات عديدة ، بحيث يمكن للمستخدمين البدء بسهولة وبدون مخاطر. من المتوقع أن تعمل الذكاء الاصطناعي التوليدية على تشغيل المشاريع التي تركز على النوايا والتي يمكن أن تحسن بشكل كبير تجربة المستخدم لمنتجات Web3 من خلال العمل ك “مساعد ذكي” بين المستخدمين والبروتوكولات في Web3.

6. خلقت Web3 أيضا طلبا كبيرا على المحتوى ، وأصبحت الذكاء الاصطناعي التوليدية وسيلة رئيسية لتلبية هذا الطلب. يمكن الذكاء الاصطناعي التوليدية إنشاء عدد كبير من المقالات والصور ومحتوى الصوت والفيديو ل Web3 ، مما يؤدي إلى تطوير التطبيقات اللامركزية ، من أسواق NFT إلى مستندات العقود الذكية ، والتي يمكن أن تستفيد جميعها من المحتوى المتنوع الذي يتم إنشاؤه الذكاء الاصطناعي.

في حين أن الذكاء الاصطناعي التوليدية و Web3 لها تحدياتها الخاصة ، نأمل أن تشكل احتياجاتها المتبادلة وحلولها التعاونية مستقبل العالم الرقمي. وسيؤدي هذا التعاون إلى تحسين جودة ومصداقية إنشاء المحتوى، مما يؤدي إلى زيادة تطوير النظام البيئي الرقمي مع تزويد المستخدمين بتجربة رقمية أكثر قيمة. سيخلق التطور المشترك ل الذكاء الاصطناعي التوليدية و Web3 فصلا جديدا مثيرا في العصر الرقمي.

ثانيا ، ملخص فني ل الذكاء الاصطناعي التوليدية

2.1 الخلفية التقنية الذكاء الاصطناعي التوليدية

منذ أن تم تقديم مفهوم الذكاء الاصطناعي في 50 من القرن 20 ، كان هناك العديد من الصعود والهبوط ، وكل ابتكار تكنولوجي رئيسي يجلب موجة جديدة ، وهذه المرة الذكاء الاصطناعي التوليدية ليست استثناء. كمفهوم ناشئ تم اقتراحه فقط في السنوات ال 10 الماضية ، برزت الذكاء الاصطناعي التوليدية من العديد من الاتجاهات الفرعية البحثية الذكاء الاصطناعي بسبب الأداء المبهر للتقنيات والمنتجات الحديثة ، وجذبت انتباه العالم بين عشية وضحاها. قبل أن نذهب إلى أبعد من ذلك في البنية التقنية الذكاء الاصطناعي التوليدية ، نحتاج أولا إلى شرح المعنى المحدد الذكاء الاصطناعي التوليدية التي تمت مناقشتها في هذه المقالة ، ومراجعة موجزة للمكونات التقنية الأساسية الذكاء الاصطناعي التوليدية ، والتي انفجرت مؤخرا.

الذكاء الاصطناعي التوليدية هي نوع من الذكاء الاصطناعي التي يمكن استخدامها لإنشاء محتوى وأفكار جديدة ، بما في ذلك المحادثات والقصص والصور ومقاطع الفيديو والموسيقى ، وهي نموذج مبني على إطار شبكة عصبية يعتمد على التعلم العميق ، ومدرب بكميات كبيرة من البيانات ، ومليء بعدد كبير من المعلمات. يمكن تقسيم منتجات الذكاء الاصطناعي التوليدية التي لفتت انتباه الناس مؤخرا إلى فئتين: واحدة هي منتجات إنشاء الصور (الفيديو) مع إدخال النص أو النمط ، والأخرى هي منتجات ChatGPT مع إدخال النص. هذان النوعان من المنتجات لهما نفس التكنولوجيا الأساسية ، أي نموذج لغة مدرب مسبقا (LLM) يعتمد على بنية المحولات. على هذا الأساس ، يضيف النوع الأول من المنتجات نموذج نشر يجمع بين إدخال النص لإنشاء صور أو مقاطع فيديو عالية الجودة ، ويضيف النوع الأخير من المنتجات التعلم المعزز من ردود الفعل البشرية (** RLHF **) لتحقيق مستوى منطقي من نتائج الإخراج قريبة من البشر.

2.2 البنية التقنية الحالية الذكاء الاصطناعي التوليدي:

ناقشت العديد من أفضل المقالات في الماضي أهمية الذكاء الاصطناعي التوليدية للبنى التقنية الحالية من وجهات نظر مختلفة ، مثل هذه المقالة من A16z ، “من يملك منصة الذكاء الاصطناعي التوليدية؟” ، والتي تلخص بشكل شامل البنية التقنية الحالية الذكاء الاصطناعي التوليدية:

** **

البنية التقنية الرئيسية الذكاء الاصطناعي التوليدية

المصدر: من يملك منصة الذكاء الاصطناعي التوليدية؟

في هذه المقالة البحثية ، تنقسم البنية الحالية الذكاء الاصطناعي التوليدية Web2 إلى ثلاثة مستويات: البنية التحتية (قوة الحوسبة) ، والنموذج ، والتطبيق ، وتعطي وجهات نظر حول التطور الحالي لهذه المستويات الثلاثة.

** بالنسبة للبنية التحتية ** ، على الرغم من أن منطق إنشاء البنية التحتية في Web2 لا يزال الدعامة الأساسية ، لا يزال هناك عدد قليل جدا من مشاريع البنية التحتية التي تجمع حقا بين Web3 و الذكاء الاصطناعي. في الوقت نفسه ، تعد البنية التحتية أيضا الجزء الذي يستحوذ على أكبر قيمة في هذه المرحلة ، وقد حقق الأوليغارشيون التقنيون في Web2 مكاسب كبيرة من خلال “بيع المجارف” في مرحلة استكشاف الذكاء الاصطناعي الحالية بحكم عقودهم من الزراعة العميقة في مجال التخزين والحوسبة.

بالنسبة للنماذج ، من المفترض أن يكونوا المبدعين والمالكين الحقيقيين الذكاء الاصطناعي ، ولكن في هذه المرحلة ، هناك عدد قليل جدا من نماذج الأعمال التي يمكن أن تدعم مؤلفي النموذج للحصول على قيمة العمل المقابلة.

بالنسبة للتطبيقات ، جمعت العديد من القطاعات أكثر من مئات الملايين من الدولارات من الإيرادات ، لكن تكاليف الصيانة المرتفعة وانخفاض الاحتفاظ بالمستخدمين لا تكفي لدعم نموذج أعمال طويل الأجل.

2.3 أمثلة على تطبيقات الذكاء الاصطناعي التوليدية وتطبيقات Web3

** 2.3.1 تطبيق الذكاء الاصطناعي لتحليل بيانات Web3 الضخمة **

** البيانات هي في صميم بناء الحواجز التقنية في مستقبل التنمية الذكاء الاصطناعي. لفهم سبب أهمية ذلك ، دعنا نلقي نظرة على دراسة حول مصادر أداء النموذج الكبير. تظهر هذه الدراسة أن نماذج الذكاء الاصطناعي الكبيرة تظهر قدرة فريدة على الظهور: من خلال زيادة حجم النموذج ، ستنفجر دقة النموذج فجأة عند تجاوز عتبة معينة. كما هو موضح في الشكل أدناه ، يمثل كل رسم بياني مهمة تدريب ، ويلبي كل سطر أداء (دقة) نموذج كبير. توصلت التجارب على نماذج كبيرة مختلفة إلى نفس النتيجة: بعد أن يتجاوز حجم النموذج عتبة معينة ، يظهر الأداء في المهام المختلفة نموا كبيرا.

العلاقة بين حجم النموذج وأداء النموذج

المصدر: الاستدلال التناظري الناشئ في نماذج اللغة الكبيرة

ببساطة ، تؤدي التغييرات الكمية في حجم النموذج إلى تغيير نوعي في أداء النموذج. ** يرتبط حجم النموذج بعدد معلمات النموذج ووقت التدريب وجودة بيانات التدريب. في هذه المرحلة ، في حالة عدد معلمات النموذج (الشركات الكبرى لديها فرق البحث والتطوير العليا المسؤولة عن التصميم) ووقت التدريب (يتم شراء أجهزة الحوسبة بواسطة NVIDIA) لا يمكن سد الفجوة ، إذا كنت ترغب في بناء منتج يقود المنافسة ، فإن إحدى الطرق هي العثور على أفضل نقاط الألم المطلوبة في مجال التقسيم الفرعي لإنشاء تطبيق قاتل ، ولكن هذا يتطلب فهما عميقا للمجال المستهدف ورؤية ممتازة ، في حين أن الطريقة الأخرى أكثر عملية وجدوى ، أي جمع بيانات أكثر شمولا من المنافسين. **

يجد هذا أيضا نقطة دخول جيدة لنماذج الذكاء الاصطناعي التوليدية لدخول مساحة Web3. يتم تدريب النماذج الحالية الذكاء الاصطناعي الكبيرة أو النماذج الأساسية بناء على كميات هائلة من البيانات في مجالات مختلفة ، كما أن تفرد البيانات على السلسلة في Web3 يجعل نموذج البيانات على السلسلة مسارا ممكنا يستحق التطلع إليه. يوجد حاليا منطقان للمنتج للتسلسلات الهرمية للبيانات في Web3: الأول هو توفير حوافز لمقدمي البيانات لحماية خصوصية وملكية مالكي البيانات مع تشجيع المستخدمين على مشاركة الحق في استخدام البيانات مع بعضهم البعض. يوفر بروتوكول المحيط طريقة رائعة لمشاركة البيانات. والثاني هو دمج البيانات والتطبيقات من قبل فريق المشروع لتزويد المستخدمين بالخدمات لمهمة معينة. ** على سبيل المثال ، يقوم Trusta Lab بجمع وتحليل بيانات المستخدمين على السلسلة ، ويمكنه تقديم خدمات مثل تحليل حساب الساحرة وتحليل مخاطر الأصول على السلسلة من خلال نظام تسجيل درجات MEDIA الفريد الخاص به.

2.3.2 الذكاء الاصطناعي تطبيقات الوكيل ل Web3

** تطبيق الذكاء الاصطناعي Agent على السلسلة المذكور أعلاه هو أيضا في دائرة الضوء - بمساعدة نموذج لغة كبير ، فإنه يوفر للمستخدمين خدمات قابلة للقياس الكمي على السلسلة على أساس ضمان خصوصية المستخدم. ** وفقا لمنشور مدونة من Lilian Weng ، رئيس أبحاث الذكاء الاصطناعي في OpenAI ، يمكن تقسيم الذكاء الاصطناعي Agent إلى أربعة مكونات ، وهي Agent = LLM + Planning + Memory + Tool use. باعتبارها جوهر وكيل الذكاء الاصطناعي ، فإن LLM مسؤولة عن التفاعل مع العالم الخارجي ، وتعلم كميات هائلة من البيانات والتعبير عنها منطقيا بلغة طبيعية. يشبه جزء التخطيط + الذاكرة مفاهيم العمل والسياسة والمكافأة في تدريب تقنية التعلم المعزز في AlphaGo. يتم تفكيك هدف المهمة إلى كل هدف صغير ، ويتم تعلم الحل الأمثل لهدف المهمة خطوة بخطوة من نتائج وردود الفعل من التدريب المتكرر المتعدد ، ويتم تخزين المعلومات التي تم الحصول عليها في أنواع مختلفة من الذاكرة لوظائف مختلفة. أما بالنسبة لاستخدام الأداة ، فهو يشير إلى استخدام أدوات مثل استدعاء الأدوات المعيارية ، واسترجاع معلومات الإنترنت ، والاتصال بمصادر المعلومات الخاصة أو واجهات برمجة التطبيقات ، وما إلى ذلك ، وتجدر الإشارة إلى أنه سيكون من الصعب تغيير معظم هذه المعلومات بعد التدريب المسبق.

رسم تخطيطي عام لعامل الذكاء الاصطناعي

المصدر: وكلاء مستقلون مدعومون من LLM

بالاقتران مع منطق التنفيذ المحدد ل الذكاء الاصطناعي Agent ، يمكننا أن نتخيل بجرأة أن الجمع بين Web3 + الذكاء الاصطناعي Agent سيجلب خيالا لا نهائيا ، مثل:

1. ** الذكاء الاصطناعي يمكن إضافة وضع الوكيل إلى تطبيق التداول الحالي ** ، والذي يمكن أن يوفر للعملاء واجهة تفاعلية على مستوى اللغة الطبيعية ، بما في ذلك على سبيل المثال لا الحصر التنبؤ بالأسعار ، واستراتيجية المعاملات ، واستراتيجية وقف الخسارة ، والتعديل الديناميكي للرافعة المالية ، والنسخ الذكي KOL ، والإقراض ، وما إلى ذلك.
2. عند تنفيذ الاستراتيجية الكمية ، يمكن تحليل الاستراتيجية إلى ** كل مهمة فرعية وتسليمها إلى وكلاء الذكاء الاصطناعي مختلفين للتنفيذ ** ، ويتعاون كل وكيل الذكاء الاصطناعي مع بعضهم البعض ، والذي لا يمكنه فقط تحسين أمان حماية الخصوصية ، ولكن أيضا المراقبة في الوقت الفعلي لمنع الطرف المقابل من استغلال نقاط الضعف لعكس الروبوت.
3. ** عدد كبير من الشخصيات غير القابلة للعب في ألعاب السلسلة ** هو أيضا مناسب بشكل طبيعي ل الذكاء الاصطناعي Agent ، والآن هناك مشروع لتطبيق GPT لإنشاء محتوى حوار شخصية اللعبة ديناميكيا ، وفي المستقبل ، من المتوقع ألا يقتصر على النص المحدد مسبقا ، ولكن سيتم ترقيته إلى تفاعل NPC (أو حتى الإنسان الرقمي) للعبة أكثر واقعية في الوقت الفعلي ، والذي يمكن أن يحقق التفاعل الذاتي دون إشراك اللاعب. تعد “المدينة الافتراضية” بجامعة ستانفورد مثالا رائعا على ذلك.

على الرغم من أن مركز مشروع Web3 + الذكاء الاصطناعي Agent الحالي لا يزال يتركز في السوق الأولية أو على جانب البنية التحتية الذكاء الاصطناعي ، ولا يوجد حتى الآن تطبيق قاتل ل To C ، يعتقد أن مشاريع Web3 + الذكاء الاصطناعي المتغيرة للعبة في المستقبل تستحق التطلع إليها من خلال الجمع بين الخصائص المختلفة ل blockchain ، مثل الحوكمة الموزعة على السلسلة ، والاستدلال على إثبات المعرفة الصفرية ، وتوزيع النموذج ، وتحسين قابلية التفسير ، وما إلى ذلك.

2.3.3 التطبيقات الرأسية المحتملة ل Web3 + الذكاء الاصطناعي

أ. التطبيقات في مجال التعليم

أدى الجمع بين Web3 و الذكاء الاصطناعي إلى ثورة في التعليم ، حيث تعد فصول الواقع الافتراضي التوليدية ابتكارا مقنعا. من خلال تضمين التكنولوجيا الذكاء الاصطناعي في منصة التعلم عبر الإنترنت ، يمكن للطلاب الحصول على تجربة تعليمية مخصصة تنشئ محتوى تعليميا مخصصا بناء على تاريخ التعلم واهتماماتهم. من المتوقع أن يزيد هذا النهج الشخصي من تحفيز الطلاب وفعاليتهم في التعلم ، مما يجعل التعليم أقرب إلى الاحتياجات الفردية.

يشارك الطلاب في فصول الواقع الافتراضي من خلال أجهزة VR غامرة

المصدر: فريق V-SENSE

بالإضافة إلى ذلك ، فإن الحافز الائتماني النموذجي الرمزي هو أيضا ممارسة مبتكرة في مجال التعليم. من خلال تقنية blockchain ، يمكن ترميز اعتمادات الطلاب وإنجازاتهم في الرموز المميزة لتشكيل نظام ائتمان رقمي. تشجع هذه الحوافز الطلاب على المشاركة بنشاط في أنشطة التعلم ، مما يخلق بيئة تعليمية أكثر تشاركية وتحفيزا.

** في الوقت نفسه ، مستوحاة من مشروع SocialFi الشهير مؤخرا FriendTech ، يمكن أيضا استخدام منطق تسعير رئيسي مماثل مرتبط بالمعرفات لبناء نظام تقييم الأقران ** ، والذي يجلب أيضا المزيد من العناصر الاجتماعية للتعليم. بمساعدة ثبات blockchain ، يكون التقييم بين الطلاب أكثر عدلا وشفافية. لا تساعد آلية التقييم المتبادل هذه على تنمية العمل الجماعي والمهارات الاجتماعية للطلاب فحسب ، بل توفر أيضا تقييما أكثر شمولا ومتعدد الزوايا لأداء الطلاب ، وإدخال طرق تقييم أكثر تنوعا وشمولية لنظام التعليم.

ب. التطبيقات الطبية

في مجال الرعاية الصحية ، يقود الجمع بين Web3 و الذكاء الاصطناعي تطوير التعلم الموحد والاستدلال الموزع. من خلال توحيد الحوسبة الموزعة والتعلم الآلي ، يمكن لمتخصصي الرعاية الصحية مشاركة البيانات على نطاق واسع لتعلم جماعي أعمق وأكثر شمولا. يمكن لنهج الذكاء الجماعي هذا تسريع تطوير تشخيص الأمراض وخيارات العلاج ، والنهوض بمجال الطب.

حماية الخصوصية هي قضية رئيسية لا يمكن تجاهلها في التطبيقات الطبية. من خلال اللامركزية في Web3 وثبات blockchain ، يمكن تخزين البيانات الطبية للمرضى ونقلها بشكل أكثر أمانا. يمكن للعقود الذكية تحقيق التحكم الدقيق وإدارة الأذونات للبيانات الطبية ، مما يضمن أن الموظفين المصرح لهم فقط يمكنهم الوصول إلى المعلومات الحساسة للمرضى ، وبالتالي الحفاظ على خصوصية البيانات الطبية.

جيم - التطبيقات في مجال التأمين

في قطاع التأمين ، من المتوقع أن يؤدي دمج Web3 و الذكاء الاصطناعي إلى توفير حلول أكثر كفاءة وذكاء للشركات التقليدية. على سبيل المثال ، في التأمين على السيارات والمنازل ، يمكن استخدام تقنية الرؤية الحاسوبية شركات التأمين من تقييم قيمة ومستوى مخاطر الممتلكات بشكل أكثر كفاءة من خلال تحليل الصور وتقييمها. وهذا يوفر لشركات التأمين استراتيجيات تسعير أكثر دقة وشخصية ، ويحسن مستوى إدارة المخاطر في صناعة التأمين.

استخدام التكنولوجيا الذكاء الاصطناعي لتقييم المطالبات

المصدر: شركة Tractable Inc

في الوقت نفسه ، تعد تسوية المطالبات الآلية على السلسلة أيضا ابتكارا في صناعة التأمين. استنادا إلى العقود الذكية وتقنية blockchain ، يمكن أن تكون عملية المطالبات أكثر شفافية وكفاءة ، مما يقلل من إمكانية الإجراءات المرهقة والتدخل البشري. هذا لا يزيد من سرعة تسوية المطالبات فحسب ، بل يقلل أيضا من التكاليف التشغيلية ، مما يؤدي إلى تجربة أفضل لشركات التأمين والعملاء.

يعد التعديل الديناميكي للأقساط ممارسة مبتكرة أخرى ، من خلال تحليل البيانات في الوقت الفعلي وخوارزميات التعلم الآلي ، تستطيع شركات التأمين تعديل الأقساط بشكل أكثر دقة وفي الوقت المناسب ، وتخصيص الأسعار وفقا لملف تعريف المخاطر الفعلي للمؤمن عليه. وهذا لا يجعل أقساط التأمين أكثر إنصافا فحسب، بل يحفز أيضا الأشخاص المؤمن عليهم على تبني سلوكيات أكثر صحة وأمانا، وتعزيز إدارة المخاطر والتدابير الوقائية للمجتمع ككل.

د. التطبيقات في مجال حق المؤلف

في مجال حق المؤلف ، جلب الجمع بين Web3 و الذكاء الاصطناعي نموذجا جديدا تماما لإنشاء المحتوى الرقمي ومقترحات التنظيم وتطوير الكود. من خلال العقود الذكية والتخزين اللامركزي ، يمكن حماية معلومات حق المؤلف للمحتوى الرقمي بشكل أفضل ، ويمكن لمبدعي المصنفات تتبع ملكيتهم الفكرية وإدارتها بسهولة أكبر. في الوقت نفسه ، من خلال تقنية blockchain ، يمكن إنشاء سجلات إبداعية شفافة ومقاومة للعبث ، مما يوفر وسيلة أكثر موثوقية لتتبع الأعمال والمصادقة عليها.

يعد ابتكار نموذج العمل أيضا تغييرا مهما في مجال حق المؤلف. يشجع تعاون العمل المحفز بالرمز المميز المبدعين والمخططين والمطورين على المشاركة في المشروع من خلال الجمع بين مساهمات العمل والحوافز الرمزية. هذا لا يعزز التعاون بين الفرق الإبداعية فحسب ، بل يوفر أيضا للمشاركين فرصة الاستفادة المباشرة من نجاح المشروع ، مما يؤدي إلى المزيد من العمل الرائع.

من ناحية أخرى ، فإن تطبيق الرمز المميز كدليل على حقوق الطبع والنشر يعيد تشكيل نموذج توزيع المنافع. من خلال آلية توزيع الأرباح التي يتم تنفيذها تلقائيا بواسطة العقود الذكية ، يمكن لكل مشارك في العمل الحصول على حصة الربح المقابلة في الوقت الفعلي عند استخدام العمل أو بيعه أو نقله. ويحل نموذج توزيع الأرباح اللامركزي هذا بفعالية مشاكل التعتيم والتأخر في النموذج التقليدي لحق المؤلف، ويوفر آلية لتوزيع المنافع على المبدعين أكثر إنصافا وكفاءة.

هاء - تطبيقات الميتافيرس

في مجال metaverse ، يوفر تكامل Web3 و الذكاء الاصطناعي إمكانيات جديدة لإنشاء محتوى لعبة سلسلة منخفض التكلفة مليء ب AIGC. يمكن للبيئة الافتراضية والشخصيات التي تم إنشاؤها بواسطة خوارزميات الذكاء الاصطناعي إثراء محتوى لعبة السلسلة ، وتزويد المستخدمين بتجربة لعبة أكثر حيوية وتنوعا ، وتقليل القوى العاملة وتكلفة الوقت في عملية الإنتاج.

الإنتاج البشري الرقمي هو ابتكار في تطبيقات metaverse. إلى جانب توليد المظهر وصولا إلى الشعر وبناء التفكير بناء على نماذج اللغة الكبيرة ، يمكن للبشر الرقميين الذين تم إنشاؤهم لعب أدوار مختلفة في metaverse ، والتفاعل مع المستخدمين ، وحتى المشاركة في التوائم الرقمية لسيناريوهات العالم الحقيقي. وهذا يوفر تجربة أكثر واقعية وعمقا لتطوير الواقع الافتراضي ، ويعزز التطبيق الواسع للتكنولوجيا البشرية الافتراضية الرقمية في الترفيه والتعليم وغيرها من المجالات.

** إنشاء محتوى إعلاني تلقائيا وفقا لصور المستخدم على السلسلة ** إنه تطبيق إبداعي إعلاني ذكي في مجال metaverse. من خلال تحليل سلوك المستخدمين وتفضيلاتهم في metaverse ، يمكن لخوارزميات الذكاء الاصطناعي إنشاء محتوى إعلاني أكثر تخصيصا وجاذبية ، مما يحسن معدلات النقر إلى الظهور وتفاعل المستخدمين مع الإعلانات. هذه الطريقة في إنشاء الإعلانات ليست فقط أكثر انسجاما مع اهتمامات المستخدمين ، ولكنها توفر أيضا للمعلنين طريقة أكثر فاعلية للترويج.

تعد NFTs التفاعلية التوليدية تقنية مقنعة في مساحة metaverse. من خلال الجمع بين NFTs والتصميم التوليدي ، يمكن للمستخدمين المشاركة في إنشاء أعمال NFT الفنية الخاصة بهم في metaverse ، مما يمنحها التفاعل والتفرد. هذا يفتح إمكانيات جديدة لإنشاء وتداول الأصول الرقمية ، مما يدفع تطوير الفن الرقمي والاقتصاد الافتراضي في metaverse.

III. الأهداف ذات الصلة ب Web3

هنا اختار المؤلف خمسة مشاريع ، ** Render Network ** و ** Akash Network ** كقادة مخضرمين للبنية التحتية الذكاء الاصطناعي العامة والمسار الذكاء الاصطناعي ، ** Bittensor ** كمشروع شائع في فئة النموذج ، ** Alethea.ai ** كمشروع تطبيق قوي الذكاء الاصطناعي التوليدية ، ** Fetch.ai ** كمشروع بارز في مجال وكالة الذكاء الاصطناعي ، للحصول على لمحة عن الوضع الحالي لمشاريع الذكاء الاصطناعي التوليدية في مجال Web3.

3.1 تقديم الشبكة (RNDR دولارا)

تأسست شبكة رندر في عام 2017 من قبل جول أورباخ، مؤسس الشركة الأم، OTOY. يتمثل العمل الأساسي لشركة OTOY في عرض الرسومات على السحابة ، وقد عملت في مشاريع سينمائية وتلفزيونية حائزة على جائزة الأوسكار ، مع مؤسسي Google و Mozilla كمستشارين ، وعملت في العديد من المشاريع مع Apple. الغرض من Render Network ، الذي يمتد من OTOY إلى حقل Web3 ، هو استخدام الطبيعة الموزعة لتقنية blockchain لربط العرض على نطاق أصغر والطلب والموارد الذكاء الاصطناعي بمنصة لامركزية ، وبالتالي توفير ورش العمل الصغيرة تكلفة تأجير موارد الحوسبة المركزية باهظة الثمن (مثل AWS و MS Azure و Alibaba Cloud) ، وكذلك توفير توليد الدخل لأولئك الذين لديهم موارد حوسبة خاملة.

نظرا لأن Render هي شركة OTOY طورت بشكل مستقل جهاز العرض عالي الأداء Octane Render ، إلى جانب منطق عمل محدد ، فقد تم اعتباره مشروع Web3 له احتياجاته وأساسياته الخاصة في بداية إطلاقه. خلال الفترة التي كان فيها الذكاء الاصطناعي التوليدي منتشرا ، كان الطلب على مهام التحقق الموزع والاستدلال الموزع مناسبا تماما للبنية التقنية لشركة Render ، وكان يعتبر أحد اتجاهات التطوير الواعدة في المستقبل. في الوقت نفسه ، احتل Render مكانة رائدة في المسار الذكاء الاصطناعي في مجال Web3 لسنوات عديدة في السنوات الأخيرة ، واستمد درجة معينة من طبيعة meme.

في فبراير 2023، أعلنت شبكة رندر عن تحديث قادم لمستويات التسعير الجديدة وآلية تثبيت الأسعار بقيمة RNDR دولار بتصويت المجتمع (ومع ذلك، لم يتم تأكيد موعد إطلاقها بعد)، وفي الوقت نفسه أعلنت أنه سيتم نقل المشروع من Polygon إلى Solana (جنبا إلى جنب مع ترقية الرموز المميزة بقيمة RNDR دولار إلى الرموز المميزة $RENDER بناء على معيار Solana SPL، والذي تم الانتهاء منه بالفعل في نوفمبر 2023).

يقسم نظام تصنيف الأسعار الجديد الصادر عن Render Network الخدمات على السلسلة إلى ثلاث مستويات ، من الأعلى إلى الأدنى ، المقابلة لنقاط الأسعار المختلفة وجودة خدمات التقديم ، والتي يمكن اختيارها من قبل طالب العرض.

ثلاثة مستويات من طبقة التسعير الجديدة لشبكة Render

تم تغيير آلية تثبيت السعر البالغة RNDR دولار ، والتي تم التصويت عليها من قبل المجتمع ، من إعادة الشراء غير المنتظمة السابقة إلى استخدام نموذج “توازن الاحتراق والنعناع (BME)” ، مما يجعل وضع RNDR دولار كرمز دفع استقرار السعر بدلا من الاحتفاظ بالأصول لفترة طويلة أكثر وضوحا. يتم عرض عملية الأعمال المحددة في عصر BME في الرسم البياني التالي:

1. إنشاء المنتج. “منشئو المنتجات” على Render، أي تقديم موفري الموارد، الذين يقومون بتجميع موارد العرض الخاملة في منتجات (عقد) وينتظرون استخدامها على الشبكة.
2. “شراء المنتج”. سيقوم العملاء الذين لديهم احتياجات تقديم بنسخ الرموز المميزة مباشرة كدفعة مقابل الخدمات إذا كان لديهم رموز RNDR دولارات ، وإذا لم يفعلوا ذلك ، فسيشترون أولا RNDR دولارات بعملة ورقية على DEX. يتم تسجيل السعر المدفوع للخدمة علنا على السلسلة.
3. سك الرمز المميز “رمز النعناع”. وفقا للقواعد المحددة مسبقا ، يتم تخصيص رمز مميز جديد.

ملاحظة: تجمع شبكة رندر 5٪ من الرسوم التي يدفعها مشتري المنتج من كل معاملة لتشغيل المشروع.

عصر توازن الحرق والنعناع

الائتمان لبيتار أتاناسوفسكي

المصدر: متوسطة

وفقا للقواعد المحددة مسبقا ، في كل حقبة يتم تنفيذها بواسطة BME ، سيتم سك عدد محدد مسبقا من الرموز المميزة الجديدة (سينخفض الرقم المحدد مسبقا تدريجيا بمرور الوقت). سيتم توزيع الرموز المميزة التي تم سكها حديثا على الأطراف الثلاثة:

1. منشئ المنتج. يحصل منشئ المنتج بطريقتين:

2. مكافآت لإكمال المهام. من السهل أن نفهم أن كل عقدة منتج تتم مكافأتها وفقا لعدد مهام العرض المكتملة.

3. المكافآت عبر الإنترنت. سيتم منح المكافآت وفقا لسوق الاستعداد عبر الإنترنت لكل عقدة منتج ، وسيتم تشجيع المزيد من العمل عبر الإنترنت للحد من الموارد.

4. مشتري المنتجات. على غرار خصم منتج المركز التجاري ، يمكن للمشترين الحصول على ما يصل إلى 100٪ من خصم الرمز المميز بقيمة RNDR دولار لتشجيع الاستخدام المستمر لشبكة Render في المستقبل.

5. مزود السيولة DEX (التبادل اللامركزي). يمكن مكافأة مزودي السيولة في DEXs التعاونية وفقا لمبلغ RNDR دولار من خلال ضمان قدرتهم على شراء مبلغ كاف من RNDR دولار بسعر معقول عندما يحتاجون إلى حرق RNDR دولار.

** **

المصدر: coingecko.com

من اتجاه السعر البالغ RNDR دولارا في العام الماضي ، يمكن ملاحظة أنه باعتباره المشروع الرائد للمسار الذكاء الاصطناعي في Web3 لسنوات عديدة ، فقد أكل RNDR دولار أرباح موجة من طفرة الذكاء الاصطناعي مدفوعة ب ChatGPT في أواخر عام 2022 وأوائل عام 2023 ، وفي الوقت نفسه ، مع إصدار آلية الرمز المميز الجديدة ، وصل سعر RNDR دولار إلى نقطة عالية في النصف الأول من عام 2023. بعد النصف الثاني من العام ، وصل سعر RNDR دولار إلى نقطة عالية في السنوات الأخيرة مع انتعاش الذكاء الاصطناعي الناجم عن المؤتمر الصحفي الجديد ل OpenAI ، وترحيل شبكة Render إلى Solana ، والتنفيذ الوشيك لآلية رمزية جديدة. نظرا لأن التغييرات الأساسية البالغة RNDR دولارا ضئيلة ، بالنسبة للمستثمرين ، يجب أن يكون الاستثمار المستقبلي البالغ RNDR دولارا أكثر حكمة في إدارة المراكز وإدارة المخاطر.

عدد عقد شبكة التجسيد شهريا

** **

عرض الشبكة عدد المشاهد المعروضة شهريا

المصدر: Dune.com

في الوقت نفسه ، كما ترى من لوحة معلومات Dune ، زاد العدد الإجمالي لوظائف العرض منذ بداية عام 2023 ، لكن عدد عقد العرض لم يزداد. إلى جانب طفرة الذكاء الاصطناعي التوليدية في نهاية عام 2022 ، من المعقول أن نستنتج أن مهام العرض الإضافية كلها مهام توليدية متعلقة الذكاء الاصطناعي. في الوقت الحاضر ، من الصعب القول ما إذا كان هذا الجزء من الطلب هو طلب طويل الأجل ، ويجب متابعته للمراقبة.

3.2 شبكة عكاش ($AKT)

شبكة أكاش هي منصة حوسبة سحابية لامركزية تهدف إلى تزويد المطورين والمؤسسات بحل حوسبة سحابية أكثر مرونة وكفاءة وفعالية من حيث التكلفة. تم بناء منصة “السحابة الفائقة” التي بناها المشروع على تقنية blockchain الموزعة ، والتي تستفيد من الطبيعة اللامركزية ل blockchain لتزويد المستخدمين ببنية تحتية سحابية لامركزية يمكنها نشر وتشغيل التطبيقات على نطاق عالمي ، بما في ذلك موارد الحوسبة المتنوعة بما في ذلك وحدات المعالجة المركزية ووحدات معالجة الرسومات والتخزين.

مؤسسو شبكة أكاش ، جريج أوسوري وآدم بوزانيتش ، هم رواد أعمال متسلسلون عملوا معا لسنوات عديدة ، ولكل منهم سنوات من الخبرة في المشروع ، بعد أن شاركوا في تأسيس مشروع Overclock Labs ، الذي لا يزال مشاركا أساسيا في شبكة Akash. كان لدى الفريق المؤسس رؤية واضحة للمهمة الأساسية لشبكة أكاش ، والتي كانت تقليل تكاليف الحوسبة السحابية ، وزيادة التوافر ، وزيادة تحكم المستخدم في موارد الحوسبة. من خلال العطاءات المفتوحة ، التي تحفز مزودي الموارد على فتح موارد الحوسبة الخاملة في شبكاتهم ، تتيح شبكة Akash استخداما أكثر كفاءة للموارد ، وبالتالي توفير أسعار أكثر تنافسية للمطالبين بالموارد.

بدأت شبكة أكاش برنامج تحديث Akash Network Economics 2.0 في يناير 2023 ، بهدف معالجة العديد من أوجه القصور في الاقتصاد الرمزي الحالي ، بما في ذلك:

1. يتقلب سعر السوق للرمز المميز بقيمة AKT دولار ، مما يتسبب في عدم تطابق سعر العقد طويل الأجل مع القيمة
2. الحوافز لمقدمي الموارد ليست كافية لإطلاق العنان للكم الكبير من قوة الحوسبة في أيديهم
3. عدم كفاية الحوافز المجتمعية تضر بالتنمية طويلة الأجل لمشروع عكاش
4. عدم كفاية التقاط قيمة الرمز المميز بقيمة AKT دولار ينطوي على خطر التأثير على استقرار المشروع

وفقا للمعلومات المقدمة على الموقع الرسمي ، تشمل الحلول التي اقترحتها خطة Akash Network Economics 2.0 إدخال مدفوعات العملة المستقرة ، وإضافة رسوم طلب الصانع وأكل البيض لزيادة إيرادات البروتوكول ، وزيادة الحوافز لمقدمي الموارد وزيادة مقدار الحوافز المجتمعية ، وما إلى ذلك ، من بينها ** وظيفة دفع العملة المستقرة ** و ** وظيفة رسوم صانع الآخذ** تم إطلاقها وتنفيذها.

بصفته الرمز المميز الأصلي لشبكة Akash ، فإن AKT دولارا له مجموعة متنوعة من الاستخدامات في البروتوكول ، بما في ذلك التحقق من التخزين (الأمان) والحوافز وإدارة الشبكة ودفع رسوم المعاملات. وفقا للبيانات المقدمة على الموقع الرسمي ، يبلغ إجمالي المعروض البالغ AKT دولارات 388 مليون دولار ، واعتبارا من نوفمبر 2023 ، تم فتح 229 مليون حتى الآن ، وهو ما يمثل حوالي 59٪. تم فتح الرموز التأسيسية التي تم توزيعها عند إطلاق المشروع بالكامل في مارس 2023 وستدخل تداول السوق الثانوية. نسبة توزيع رموز التكوين هي كما يلي:

والجدير بالذكر أنه من حيث التقاط القيمة ، فإن إحدى الميزات التي يقترح AKT دولار تنفيذها والتي لم يتم تنفيذها بعد ولكنها مذكورة في الورقة البيضاء هي أن عكاش يخطط لفرض “رسوم رسوم” على كل عقد إيجار ناجح. بعد ذلك ، يرسل هذه الرسوم إلى مجمع أخذ الدخل بحيث يمكن توزيعها على أصحابها. يوفر البرنامج رسوما بنسبة 10٪ للمعاملات AKT دولارا ورسوما بنسبة 20٪ للمعاملات باستخدام العملات المشفرة الأخرى. بالإضافة إلى ذلك ، يخطط عكاش أيضا لمكافأة حاملي الأسهم الذين يحبسون ممتلكاتهم البالغة AKT دولار لفترة أطول من الزمن. نتيجة لذلك ، سيكون المستثمرون الذين يحتفظون لفترة أطول من الوقت مؤهلين للحصول على مكافآت أكثر سخاء. إذا تم إطلاق هذا المشروع بنجاح في المستقبل ، فسيصبح بالتأكيد قوة دافعة رئيسية لسعر العملة ، وسيساعد أيضا على تقدير قيمة المشروع بشكل أفضل.

** **

المصدر: coingecko.com

كما يتضح من اتجاه السعر الموضح في coingecko.com، فإن سعر AKT دولار أدى أيضا إلى زيادة في منتصف أغسطس وأواخر نوفمبر 2023، على التوالي، لكنه لا يزال غير جيد مثل زيادة الفترة نفسها للمشاريع الأخرى في المسار الذكاء الاصطناعي، والتي قد تكون مرتبطة بالاتجاه الحالي لمعنويات رأس المال. بشكل عام ، يتمتع مشروع عكاش ، باعتباره واحدا من العديد من المشاريع عالية الجودة في المسار الذكاء الاصطناعي ، بأساسيات أفضل من معظم المنافسين في المسار الذكاء الاصطناعي. مع تطور صناعة الذكاء الاصطناعي وتكثيف موارد الحوسبة السحابية ، يعتقد أن شبكة أكاش ستكون قادرة على الارتفاع في الموجة التالية من الذكاء الاصطناعي في المستقبل.

3.3 بيتينسور (TAO دولارات)

إذا كان القارئ على دراية بالبنية التقنية ل BTC دولار ، فسيكون من السهل جدا فهم تصميم Bittensor. في الواقع ، عند تصميم Bittensor ، استعار مؤلفوها الكثير من خصائص المخضرم في مجال التشفير بقيمة BTC دولار ، بما في ذلك: ما مجموعه 21 مليون رمز ، وخفض الإنتاج إلى النصف كل أربع سنوات تقريبا ، وآلية إجماع تتضمن إثبات العمل ، وما إلى ذلك. على وجه التحديد ، دعنا نتخيل عملية إنتاج BTC أولية ، ثم نستبدل عملية “التعدين” لحساب الأرقام العشوائية التي لا يمكن أن تخلق قيمة حقيقية بالتدريب والتحقق من صحة النماذج الذكاء الاصطناعي ، وتحفيز عمال المناجم على العمل بناء على أداء وموثوقية نماذج الذكاء الاصطناعي ، وهو ملخص بسيط لبنية مشروع Bittensor (TAO دولارا).

تأسس مشروع Bittensor لأول مرة في عام 2019 من قبل اثنين من الباحثين الذكاء الاصطناعي ، جاكوب ستيفز وعلاء شعبانا ، ويستند إطاره الرئيسي إلى محتوى ورقة بيضاء كتبها مؤلف غامض ، يوما راو. باختصار ، يصمم بروتوكولا مفتوح المصدر بدون إذن ويبني بنية شبكة تتكون من العديد من الشبكات الفرعية المتصلة بشبكات فرعية مختلفة مسؤولة عن المهام المختلفة (الترجمة الآلية ، والتعرف على الصور وتوليدها ، ونماذج اللغات الكبيرة ، وما إلى ذلك) ، وسيتم تحفيز إكمال المهام بشكل ممتاز ، مع السماح للشبكات الفرعية بالتفاعل والتعلم من بعضها البعض.

إذا نظرنا إلى الوراء في نماذج الذكاء الاصطناعي الكبيرة الموجودة حاليا في السوق ، دون استثناء ، فإنها تأتي جميعها من الكم الهائل من موارد الحوسبة والبيانات التي يستثمرها عمالقة التكنولوجيا. في حين أنه من الصحيح أن الذكاء الاصطناعي المنتجات المدربة بهذه الطريقة تؤدي أداء مثيرا للإعجاب ، إلا أنها تأتي أيضا مع مخاطر عالية من أن يصبح التركيز شريرا. تم تصميم البنية التحتية ل Bittensor للسماح لشبكة من خبراء التواصل بالتواصل والتعلم من بعضهم البعض ، مما يضع الأساس للتدريب اللامركزي للنماذج الكبيرة. تتمثل رؤية Bittensor طويلة المدى في التنافس مع النماذج المغلقة المصدر للعمالقة مثل OpenAI و Meta و Google وما إلى ذلك ، من أجل تحقيق أداء الاستدلال المطابق مع الحفاظ على الطبيعة اللامركزية للنموذج.

يأتي الجوهر التقني لشبكة Bittensor من آلية الإجماع المصممة بشكل فريد من نوعها في Yuma Rao ، والمعروفة أيضا باسم إجماع Yuma ، وهي آلية إجماع تمزج بين PoW و PoS. ينقسم المشاركون الرئيسيون في جانب العرض إلى “خوادم” (أي عمال المناجم) و “مدققون” ، والمشاركون في جانب الطلب هم “عملاء” (أي عملاء) يستخدمون النماذج في الشبكة. عمال المناجم مسؤولون عن توفير نماذج مدربة مسبقا لمهمة الشبكة الفرعية الحالية ، وتعتمد الحوافز المستلمة على جودة النماذج المقدمة ، في حين أن المدققين مسؤولون عن التحقق من أداء النموذج والعمل كوسطاء أمام عمال المناجم والعملاء. العملية المحددة هي كما يلي:

** **

1. يرسل العميل متطلبات استخدام النموذج في شبكة فرعية والبيانات التي يجب حسابها إلى المدقق
2. يقوم المدقق بتخصيص البيانات لكل عامل منجم ضمن الشبكة الفرعية
3. يقوم عمال المناجم بإرجاع النتائج بعد استدلال النموذج باستخدام نماذجهم الخاصة والبيانات المقبولة
4. يقوم المدقق بفرز نتائج الاستدلال المستلمة وفقا لجودتها ، ويتم تخزين نتائج الفرز على السلسلة
5. يتم إرجاع نتيجة الاستدلال المثلى إلى المستخدم ، ويتم فرز عامل المنجم وفقا للترتيب ، ويتم مكافأة المدقق وفقا لعبء العمل

تجدر الإشارة إلى أنه في الغالبية العظمى من الشبكات الفرعية ، لا تقوم Bittensor نفسها بتدريب أي نماذج ، ودورها أشبه بربط موفري النماذج وطالبي النماذج ، وعلى هذا الأساس ، فإنها تستخدم التفاعل بين النماذج الصغيرة لتحسين الأداء في المهام المختلفة. في الوقت الحاضر ، هناك 30 شبكة فرعية كانت متصلة بالإنترنت (أو كانت متصلة بالإنترنت) ، تتوافق مع نماذج مهام مختلفة.

بصفته الرمز المميز الأصلي ل Bittensor ، يلعب TAO دولارا دورا محوريا في النظام البيئي من خلال إنشاء شبكات فرعية ، والتسجيل في الشبكات الفرعية ، والدفع مقابل الخدمات ، ومدققي Staking ، والمزيد. في الوقت نفسه ، نظرا لممارسة مشروع Bittensor المتمثلة في الإشادة بروح BTC ، اختار TAO دولارا بداية عادلة ، أي أنه سيتم إنشاء جميع الرموز المميزة من خلال المساهمة في الشبكة. حاليا ، يبلغ الناتج اليومي البالغ TAO دولارا حوالي 7200 ، وهو مقسم بالتساوي بين عمال المناجم والمدققين. منذ إطلاق المشروع ، تم إنشاء حوالي 26.3٪ من المبلغ الإجمالي البالغ 21 مليون ، منها 87.21٪ من الرموز المميزة تم استخدامها للتخزين والتحقق. في الوقت نفسه ، تم تصميم المشروع لخفض الإنتاج إلى النصف (مثل BTC) كل 4 سنوات ، وآخرها سيحدث في 20 سبتمبر 2025 ، والذي سيكون أيضا محركا كبيرا لزيادة الأسعار.

الائتمان: taostats.io

** **

من اتجاه السعر ، يمكننا أن نرى أن سعر TAO دولار قد شهد زيادة حادة منذ نهاية أكتوبر 2023 ، ومن المتوقع أن القوة الدافعة الرئيسية هي جولة جديدة من طفرة الذكاء الاصطناعي أحدثها المؤتمر الصحفي ل OpenAI ، مما جعل قطاع رأس المال يدور إلى قطاع الذكاء الاصطناعي. في الوقت نفسه ، TAO دولار كمشروع ناشئ في مسار Web3 + الذكاء الاصطناعي ، تعد جودة مشروعه الممتازة ورؤية المشروع طويلة الأجل سببا رئيسيا لجذب الأموال. ومع ذلك ، علينا أن نعترف أنه ، مثل مشاريع الذكاء الاصطناعي الأخرى ، على الرغم من أن الجمع بين Web3 + الذكاء الاصطناعي لديه إمكانات كبيرة ، إلا أن تطبيقه في الأعمال الفعلية لا يكفي لدعم مشروع مربح طويل الأجل.

3.4 Alethea.ai ($ALI)

تأسس Alethea.ai في عام 2020 ، وهو مشروع مخصص لجلب الملكية اللامركزية والحوكمة اللامركزية إلى المحتوى التوليدي باستخدام تقنية blockchain. يعتقد مؤسسو Alethea.ai أن الذكاء الاصطناعي التوليدية ستضعنا في عصر يؤدي فيه المحتوى التوليدي إلى تكرار المعلومات ، حيث يتم ببساطة نسخ كميات كبيرة من المحتوى الإلكتروني ولصقه أو إنشاؤه بنقرة واحدة ، ولن يتمكن الأشخاص الذين ابتكروا القيمة في المقام الأول من الاستفادة منها. من خلال ربط الأوليات على السلسلة (مثل NFTs) مع الذكاء الاصطناعي التوليدية ، يمكن ضمان ملكية الذكاء الاصطناعي التوليدية ومحتواها ، ويمكن تنفيذ حوكمة المجتمع على هذا الأساس.

انطلاقا من هذه الفلسفة ، قدم أوائل Alethea.ai معيارا جديدا ل NFT ، iNFT ، يستفيد من Intelligence Pod لإنشاء رسوم متحركة مضمنة الذكاء الاصطناعي ، وتوليف الكلام ، وحتى الذكاء الاصطناعي التوليدية في الصور. بالإضافة إلى ذلك ، دخلت Alethea.ai شراكة مع فنانين لتحويل أعمالهم الفنية إلى iNFTs ، والتي جلبت 478,000 ألف دولار في Sotheby’s.

حقن الروح في NFTs

المصدر: Alethea.ai

أطلقت Alethea.ai اللاحقة بروتوكول الذكاء الاصطناعي ، والذي يسمح لأي مطور ومنشئ الذكاء الاصطناعي التوليدية بالإنشاء باستخدام معيار iNFT دون إذن. في الوقت نفسه ، من أجل عمل عينة لمشاريع أخرى على بروتوكول الذكاء الاصطناعي الخاص بها ، استعارت Alethea.ai أيضا نظرية نموذج GPT الكبير لإطلاق CharacterGPT ، وهي أداة لصنع NFTs تفاعلية. علاوة على ذلك ، أصدرت Alethea.ai أيضا مؤخرا Open Fusion ، والذي يسمح بدمج أي ERC-721 NFT في السوق مع Intelligence وإصداره وفقا لبروتوكول الذكاء الاصطناعي.

الرمز المميز الأصلي ل Alethea.ai هو ALI دولار ، واستخداماته الرئيسية هي أربعة أضعاف:

1. قفل مبلغ معين من ALI دولار لإنشاء iNFTs
2. كلما زاد قفله ، ارتفع مستوى جراب الذكاء
3. يشارك حاملو ALI دولار في حوكمة المجتمع
4. يمكن استخدام ALI دولار كبيانات اعتماد للمشاركة في التفاعلات بين iNFTs (لا توجد حالات استخدام في العالم الحقيقي حتى الآن)

المصدر: coingecko.com

كما يتضح من حالة استخدام ALI دولار ، لا يزال التقاط القيمة الحالية لهذا الرمز المميز على المستوى السردي ، ويمكن أيضا تأكيد هذا الاستدلال من التغير في سعر العملة في غضون عام: ALI دولار حصدت أرباح طفرة الذكاء الاصطناعي التوليدية بقيادة ChatGPT منذ ديسمبر 2022. في الوقت نفسه ، في يونيو من هذا العام ، عندما أعلنت Alethea.ai عن إطلاق أحدث ميزة Open Fusion ، جلبت أيضا موجة من النمو. علاوة على ذلك ، كان سعر ALI دولارا في اتجاه هبوطي ، وحتى طفرة الذكاء الاصطناعي في أواخر عام 2023 فشلت في دفع السعر إلى المستوى المتوسط للمشاريع في نفس المسار.

بالإضافة إلى الرمز المميز الأصلي ، دعنا نلقي نظرة على أداء مشاريع NFT ، iNFTs من Alethea.ai (بما في ذلك المجموعات التي تم إصدارها رسميا) في سوق NFT.

المبيعات اليومية ل Intelligence Pods على Opensea

** **

المبيعات اليومية لمجموعة Revenants في أوبن سي

المصدر: Dune.com

من إحصائيات لوحة معلومات Dune ، يمكننا أن نرى أن كلا من Intelligence Pod ، الذي تم بيعه لطرف ثالث ، ومجموعة Revenants ، التي أصدرها الطرف الأول Alethea.ai ، اختفت تدريجيا بعد مرور بعض الوقت على الإصدار الأولي. يعتقد المؤلف أن السبب الرئيسي لذلك يجب أن يكون بعد تلاشي الجدة الأولية ، لا توجد قيمة فعلية أو شعبية مجتمعية للاحتفاظ بالمستخدمين.

3.5 Fetch.ai ($FET)

Fetch.ai هو مشروع مخصص لتعزيز التقارب بين الذكاء الاصطناعي وتكنولوجيا blockchain. هدف الشركة هو بناء اقتصاد لامركزي وذكي يدعم النشاط الاقتصادي بين الوكلاء الأذكياء من خلال مزيج من التعلم الآلي و blockchain وتكنولوجيا دفتر الأستاذ الموزع.

تأسست Fetch.ai في عام 2019 من قبل علماء من المملكة المتحدة ، همايون شيخ ، توبي سيمبسون ، وتوماس هين. يأتي المؤسسون الثلاثة من مجموعة واسعة من الخلفيات، بما في ذلك همايون شيخ كمستثمر مبكر في ديب مايند، وتوبي سيمبسون كمدير تنفيذي في العديد من الشركات، وتوماس هين كأستاذ للذكاء الاصطناعي في جامعة شيفيلد. Fetch.ai جلبت الخلفية العميقة للفريق المؤسس موارد صناعية غنية للشركة ، تغطي شركات تكنولوجيا المعلومات التقليدية ، ومشاريع نجوم blockchain ، والمشاريع الطبية والحوسبة الفائقة ، وغيرها من المجالات.

تتمثل مهمة Fetch.ai في بناء منصة ويب لامركزية تتكون من وكلاء اقتصاديين مستقلين وتطبيقات الذكاء الاصطناعي ، مما يمكن المطورين من إنجاز المهام المستهدفة المحددة مسبقا من خلال إنشاء وكلاء مستقلين. التكنولوجيا الأساسية للمنصة هي بنيتها الفريدة ثلاثية المستويات:

• الأساس: شبكة عقود ذكية أساسية تعتمد على PoS-uD (أي آلية إجماع إثبات الحصة بدون إذن) تدعم التعاون بين عمال المناجم والتدريب الأساسي على التعلم الآلي والاستدلال
• الطبقة الوسطى: يوفر OEF (الإطار الاقتصادي المفتوح) مساحة مشتركة ل AEAs للتفاعل مع بعضها البعض ، مما يسمح ل AEAs بالتفاعل مع البروتوكول الأساسي ، وكذلك دعم AEAs للبحث والاكتشاف والتجارة مع بعضها البعض
• العلوي: AEA (الوكيل الاقتصادي المستقل) ، وهو المكون الأساسي Fetch.ai. كل AEA هو برنامج وكيل ذكي يتيح وظائف مختلفة من خلال مجموعة متنوعة من وحدات المهارات لإكمال المهام المحددة مسبقا نيابة عن المستخدم. بدلا من التشغيل مباشرة على blockchain ، يتفاعل برنامج الوكيل مع blockchain والعقود الذكية من خلال طبقة وسيطة OEF. يمكن أن يكون هذا النوع من برامج الوكيل الذكي برنامجا خالصا ، أو يمكن ربطه بأجهزة فعلية ، مثل الهواتف المحمولة وأجهزة الكمبيوتر والسيارات وما إلى ذلك. رسميا ، تتوفر مجموعة تطوير قائمة على Python ، وهي إطار عمل AEA ، وهي قابلة للتركيب ، مما يتيح للمطورين بناء برنامج الوكيل الذكي الخاص بهم معها.

بناء على هذه البنية ، أطلقت Fetch.ai أيضا العديد من منتجات وخدمات المتابعة ، مثل Co-Learn (نموذج التعلم الآلي المشترك بين الوكلاء) و Metaverse (خدمة استضافة سحابية للوكيل الذكي) لتمكين المستخدمين من تطوير وكلائهم الأذكياء على نظامها الأساسي.

من حيث الرموز المميزة ، يغطي FET دولارا ، باعتباره الرمز المميز الأصلي ل Fetch.ai ، الدور المنتظم لدفع الغاز ، والتحقق من التخزين ، وشراء الخدمات داخل الشبكة. تم فتح أكثر من 90٪ من الرموز المميزة حتى الآن بمقدار FET دولار ، والتي يتم توزيعها على النحو التالي:

منذ إطلاق المشروع ، تلقت Fetch.ai جولات متعددة من التمويل في شكل حيازات رمزية مخففة ، كان آخرها في 29 مارس 2023 ، عندما تلقت Fetch.ai تمويلا بقيمة 30 مليون دولار من DWF Lab. نظرا لأن الرمز المميز الذي يبلغ FET دولارا لا يلتقط قيمة المشروع من حيث الإيرادات ، فإن القوة الدافعة لزيادة الأسعار تأتي بشكل أساسي من تحديث المشروع ومعنويات السوق تجاه المسار الذكاء الاصطناعي. يمكن ملاحظة أن سعر Fetch.ai قد ارتفع بأكثر من 100٪ في بداية عام 2023 وفي نهاية عام 2023.

المصدر: coingecko.com

بالمقارنة مع الطرق الأخرى لتطوير مشاريع blockchain وجذب الانتباه ، فإن مسار تطوير Fetch.ai يشبه إلى حد كبير مشروع بدء تشغيل الذكاء الاصطناعي في Web2.0 ، مع التركيز على تلميع المستوى التقني ، وصنع اسم لنفسه وإيجاد نقاط ربح من خلال التمويل المستمر والتعاون المكثف. يترك هذا النهج مجالا كبيرا لتطوير التطبيقات المستقبلية بناء على Fetch.ai ، لكن نموذج التطوير يجعله أيضا أقل جاذبية لمشاريع blockchain الأخرى لتنشيط النظام البيئي (أسس أحد مؤسسي Fetch.ai شخصيا مشروع DEX القائم على Fetch.ai Mettalex DEX ، والذي فشل في النهاية). كمشروع موجه نحو البنية التحتية ، من الصعب تحسين القيمة الجوهرية للمشروع Fetch.ai بسبب ذبول البيئة.

رابعا ، الذكاء الاصطناعي التوليدية لها مستقبل واعد

يصف الرئيس التنفيذي لشركة Nvidia Jensen Huang إصدار النماذج التوليدية بلحظة “iPhone” في الذكاء الاصطناعي ، والمورد النادر لإنتاج الذكاء الاصطناعي في هذه المرحلة هو البنية التحتية التي تركز على رقائق الحوسبة عالية الأداء. باعتبارها المسار الفرعي الذكاء الاصطناعي الذي يحبس معظم الأموال في Web3 ، كانت مشاريع البنية التحتية الذكاء الاصطناعي دائما محور الاستثمار والبحث طويل الأجل للمستثمرين. من المتوقع أنه مع الترقية التدريجية لمعدات طاقة الحوسبة من قبل عمالقة الرقائق ، والتحسين التدريجي لقوة الحوسبة الذكاء الاصطناعي ، وفتح قدرات الذكاء الاصطناعي ، من المتوقع أن تظهر المزيد من مشاريع البنية التحتية الذكاء الاصطناعي في المجالات المقسمة في Web3 في المستقبل ، ويمكن حتى توقع ظهور رقائق مصممة ومنتجة خصيصا للتدريب الذكاء الاصطناعي في Web3 في المستقبل. **

على الرغم من أن تطوير منتجات ToC الذكاء الاصطناعي التوليدية لا يزال في المرحلة التجريبية ، إلا أن بعض منتجات ToB الصناعية أظهرت إمكانات كبيرة. أحدها هو تقنية “التوأم الرقمي” التي تهاجر سيناريوهات العالم الحقيقي إلى العالم الرقمي ، جنبا إلى جنب مع منصة الحوسبة العلمية الرقمية المزدوجة التي أصدرتها NVIDIA لرؤية metaverse ، مع الأخذ في الاعتبار أنه لا يزال هناك قدر كبير من قيمة البيانات في الصناعة التي لم يتم إصدارها بعد ، ستصبح الذكاء الاصطناعي التوليدية مساعدة مهمة للتوائم الرقمية في السيناريوهات الصناعية. سيتأثر الانتقال إلى مجال Web3 ، بما في ذلك metaverse ، وإنشاء المحتوى الرقمي ، وأصول العالم الحقيقي ، وما إلى ذلك ، بتقنية التوأم الرقمي التي تعمل بنظام الذكاء الاصطناعي.

تطوير الأجهزة التفاعلية الجديدة هو أيضا رابط لا يمكن تجاهله. تاريخيا ، أحدث كل ابتكار للأجهزة في عالم الكمبيوتر تغييرا زلزاليا وفرص تطوير جديدة ، مثل فأرة الكمبيوتر الشائعة اليوم ، أو iPhone 4 بشاشة سعوية متعددة اللمس. اجتذب Apple Vision Pro ، الذي تم الإعلان عن إطلاقه في الربع الأول من عام 2024 ، بالفعل الكثير من الاهتمام في جميع أنحاء العالم من خلال عرضه التوضيحي المذهل ، والذي من شأنه أن يجلب تغييرات وفرصا غير متوقعة لمختلف الصناعات عند إطلاقه بالفعل. مع مزايا الإنتاج السريع للمحتوى والنشر السريع والنطاق الواسع ، غالبا ما يكون مجال الترفيه هو أول من يستفيد بعد كل تحديث لتكنولوجيا الأجهزة. بالطبع ، يتضمن هذا أيضا العديد من مسارات الترفيه المرئي مثل metaverse وألعاب السلسلة و NFTs في Web3 ، والتي تستحق اهتمام القراء وأبحاثهم على المدى الطويل في المستقبل.

على المدى الطويل ، فإن تطوير الذكاء الاصطناعي التوليدية هو عملية تغيير كمي تؤدي إلى تغيير نوعي. جوهر ChatGPT هو حل لمشكلة التفكير سؤال وجواب ، وهي مشكلة تمت مشاهدتها ودراستها على نطاق واسع في الأوساط الأكاديمية لفترة طويلة. بعد تكرار البيانات والنماذج على المدى الطويل ، وصلت أخيرا إلى مستوى GPT-4 ، الذي أذهل العالم. وينطبق الشيء نفسه على تطبيقات الذكاء الاصطناعي في Web3 ، والتي لا تزال في مرحلة إدخال نماذج من Web2 إلى Web3 ، ولم تظهر بعد النماذج التي تم تطويرها بالكامل بناء على بيانات Web3. في المستقبل ، ستحتاج أطراف المشروع بعيدة النظر والكثير من الموارد إلى الاستثمار في البحث عن المشكلات العملية في Web3 ، بحيث يمكن للتطبيق القاتل على مستوى ChatGPT الخاص ب Web3 الاقتراب تدريجيا.

في هذه المرحلة ، هناك العديد من الاتجاهات التي تستحق الاستكشاف في ظل الخلفية التقنية الذكاء الاصطناعي التوليدية ، أحدها هو تقنية سلسلة الفكر التي يعتمد عليها تنفيذ المنطق. ببساطة ، من خلال سلسلة تكنولوجيا الفكر ، تمكنت نماذج اللغة الكبيرة من تحقيق قفزة نوعية في التفكير متعدد الخطوات. ومع ذلك ، لم يتم حل استخدام سلسلة الفكر ، أو إلى حد ما ، فقد أدى إلى مشكلة عدم كفاية القدرة على التفكير للنماذج الكبيرة في المنطق المعقد. يجب على القراء المهتمين بهذا الجانب قراءة ورقة المؤلف الأصلي لسلسلة الفكر.

أدى نجاح ChatGPT إلى ظهور العديد من سلاسل GPT الشائعة في Web3 ، لكن المزيج البسيط والخام من GPT والعقود الذكية لا يمكن أن يحل احتياجات المستخدمين حقا. لقد مر حوالي عام منذ إصدار ChatGPT ، وعلى المدى الطويل ، هو مجرد نقرة من الأصابع ، ويجب أن تبدأ المنتجات المستقبلية أيضا من الاحتياجات الحقيقية لمستخدمي Web3 أنفسهم ، ومع تقنية Web3 الناضجة بشكل متزايد ، أعتقد أن تطبيق الذكاء الاصطناعي التوليدية في Web3 لديه إمكانيات لا حصر لها تستحق التطلع إليها.

المراجع

Google Cloud Tech - مقدمة في الذكاء الاصطناعي التوليدية

AWS - ما هي الذكاء الاصطناعي التوليدية

اقتصاديات نماذج اللغة الكبيرة

بمجرد فرض نموذج الانتشار ، يصبح GAN قديما???

توضيح التعلم المعزز من التغذية الراجعة البشرية (RLHF)

الذكاء الاصطناعي التوليدية و Web3

من يملك منصة الذكاء الاصطناعي التوليدية؟

Apple Vision Pro اكتمال القمر يعيد التفكير: XR و RNDR ومستقبل الحوسبة المكانية

كيف يتم سك الذكاء الاصطناعي ك NFT؟

الاستدلال التناظري الناشئ في نماذج اللغة الكبيرة

رمز شبكة أكاش (AKT) جدول فتح سفر التكوين وتقديرات العرض